Interim Data Scientist

Vertaal RFID-locatiedata uit echte winkels naar bewijs voor een nieuwe retailpropositie.

E-commerceteams kunnen vrijwel iedere stap in de klantreis meten en optimaliseren. In fysieke winkels hebben visual merchandising-teams veel minder objectieve feedback over waar producten worden geplaatst, hoe ze door de winkel bewegen en welke presentaties bijdragen aan commerciële prestaties. Met Money Mapping onderzoeken we of locatiedata uit overhead RFID-systemen dat meetbare en optimaliseerbare perspectief naar de fysieke winkel kan brengen.

Dit is een eenjarige discovery-opdracht volgens een proto-to-scale-model. Het doel is een gevalideerde propositie met een werkend minimum viable product (MVP), niet direct een volledig productieplatform. De huidige x,y-locatiedata is ongeveer 1 tot 5 meter nauwkeurig en wordt iedere 5 tot 15 minuten vernieuwd. Jij bepaalt welke beslissingen dit signaal kan ondersteunen, waar de grenzen liggen en wat nodig is om op te schalen. Technische haalbaarheid is een van de vier dimensies in het formele go/no-go-besluit na twaalf maanden, en jij bent eigenaar van die dimensie.

Je vervangt aannames door bewijs. Een goed onderbouwd "nee" is net zo waardevol als een "ja": succesvol zijn betekent dat beperkingen vroeg zichtbaar worden en dat de taskforce keuzes maakt op basis van wat jij hebt aangetoond.

Je krijgt energie van een vraagstuk waarvan het antwoord nog niet vaststaat. Je beweegt gemakkelijk tussen rommelige brondata, zorgvuldige analyse en een prototype waarop een klant daadwerkelijk kan reageren. Je neemt brede verantwoordelijkheid, toetst aannames met bewijs en maakt technische onzekerheid begrijpelijk zonder je erachter te verschuilen.

Ervaring met geospatial-, locatie- of time-series-analytics, RFID of andere sensordata, datavisualisatie, machine learning, statistische modellering of productontwikkeling in een startup-, scale-up- of innovatieomgeving is een pre. 

• Je hebt hands-on ervaring met het bouwen van pipelines en datamodellen en met grote, weerbarstige datasets, zoals sensor-, streaming- of Internet of Things-data.

•  Je kunt reproduceerbare analyses en haalbaarheidsexperimenten ontwerpen waarmee datakwaliteit en signaalbeperkingen meetbaar worden.

• Je bouwt graag analytische prototypes om snel te leren en beperkt je niet tot het ontwikkelen van productierijpe systemen.

• Je kunt binnen een klein team richting bepalen, omgaan met onzekerheid en rechtstreeks werken met klantdata en de operationele context in winkels.

• Je communiceert effectief met UX, product management, engineeringcollega's en klanten en vertaalt technische bevindingen naar productkeuzes.